3. Research Design

Experiments, Survey, and Qualitative Research Designs

จำแนกตามประเภทของการวิจัย

• Experiments

• Quasi-Experiment

• Survey Research

• Qualitative Research

• Ethnography Research

จำแนกตามมิติของเวลา

• Cross-sectional

• Longitudinal

Example 1

Christakis, & Fowler (2007)

Example 2

Rand et al. (2011)

Whole-network and Personal-network

• Whole-network designs: วิเคราะห์ความสัมพันธ์ระหว่างคู่ของโหนดทั้งหมดภายในขอบเขตของการวิจัย เช่น ใครเป็นเพื่อนกับใครบ้างในกลุ่มนักเรียนทั้งห้องเรียนหรือโรงเรียน

  • วิเคราะห์ความสัมพันธ์ระหว่างทุกคู่ของโหนดในเครือข่าย (เก็บข้อมูลระดับ dyadic-level)

  • สามารถวิเคราะห์เครือข่ายได้ครอบคลุม เหมาะกับงานที่ต้องการศึกษาประเด็นเกี่ยวกับตำแหน่งเชิงโครงสร้างในเครือข่าย

  • ใช้ทรัพยากรมากกว่า และการเก็บรวบรวมข้อมูลอาจจะยาก

• Personal-network designs: การวิจัยลักษณะนี้จะมีการกำหนดเซตหรือชุดของโหนดที่เป็นจุดสนใจเรียกว่า egos และเซตของโหนดอื่น ๆ ที่เรียกว่า alters

  • เน้นศึกษาความสัมพันธ์ระหว่างโหนดเป้าหมายกับ alter

  • ให้สารสนเทศที่มีความละเอียดและลึกมากกว่าเกี่ยวกับเครือข่ายของโหนดเป้าหมาย

  • เก็บข้อมูลได้ง่ายกว่า ใช้ทรัพยากรน้อยกว่า

  • ไม่มีข้อมูลของเครือข่ายทั้งหมดในภาพรวม สามารถวิเคราะห์โครงสร้างของเครือข่ายทั้งหมดได้

Sources of Network Data

• Primary Data

• Secondary Data

• Social Media/Internet Data

Types of (dyadic) Ties

Types of (dyadic) Ties

Node Attributes

• คุณลักษณะของโหนด (คน สัตว์ สิ่งของ) ภายในเครือข่าย

• อาจจำแนกได้เป็นสองประเภท และงานวิจัยเครือข่ายทุกชิ้นมักมีตัวแปรทั้งสองประเภทนี้

  • Network-derived attributes เช่น centrality

  • Non-network attributes เช่น ภูมิหลัง ทัศนคติ ความคิดเห็น/ความรู้สึก ความสามารถ ผลสัมฤทธิ์

การกำหนดขอบเขตในการวิจัยเครือข่าย

• ขนาดประชากร (ขนาดเครือข่าย) vs ประเด็นปัญหาวิจัย/คำถามวิจัย

• Egos vs Alters

  • Whole-Network: Ego และ Alters เป็นกลุ่มเดียวกัน

  • Personal-Network: Ego และ Alters เป็นคนละกลุ่มกัน

แนวทางที่ 1: ไม่สามารถระบุขอบเขตของ Alters

แนะนำใช้ Personal-Network Design

• เน้นการกำหนดขอบเขต egos และออกแบบการได้มาซึ่งตัวอย่างที่เหมาะสม (แต่ก็ไม่เสมอไป)

• ยืดหยุ่นไม่ต้องศึกษาและกำหนดขอบเขตของ alters ล่วงหน้า

• Ego แต่ละหน่วยอาจมีเครือข่ายทางสังคมที่แตกต่างกัน และอาจมีขอบเขตของ alter เฉพาะ

  • ความยืดหยุ่นในเชิงการเก็บรวบรวมข้อมูล

  • มีความหลากหลายของข้อมูล

• ใช้ egos เป็นผู้ให้ข้อมูลของ alters ซึ่งง่ายต่อการเก็บข้อมูล แต่ ego บางคนหรือหลายคนอาจมีการรับรู้ข้อมูลของ alters ที่คลาดเคลื่อน

• บางกรณีข้อมูลการรับรู้สำคัญกว่าความจริง

แนวทางที่ 2: พิจารณาว่ากลุ่มเป้าหมายเป็น sociological group หรือไม่?

แนวทางที่ 3 : ขอบเขตการวิจัยถูกกำหนดจากประเด็นปัญหา/คำถามวิจัย

• เครือข่ายความไว้วางใจในห้องเรียนส่งผลต่อประสิทธิภาพในการทำงานกลุ่มหรือไม่

• การวิเคราะห์เครือข่ายความสัมพันธ์ระหว่างนักเรียนกับมโนทัศน์ที่ถูกต้องทางสถิติและผลกระทบต่อการประยุกต์ใช้ในชีวิตจริง

• โหนด

  • egos

  • alter

• ความสัมพันธ์

• ขอบเขตการวิจัย

แนวทางที่ 4 : Data-Driven Approach

กรณีที่ขอบเขตกลุ่มมีความคลุมเครือ แต่นักวิจัยมองว่าการเก็บรวบรวมข้อมูลเพิ่มเติมเพื่อปรับแต่งของเขตกลุ่มได้

• แหล่งข้อมูลเบื้องต้น หรือ sampling frame ที่ได้จากฐานข้อมูล หรือรายชื่อสมาชิกต่าง ๆ

• ข้อมูลที่ได้จากการเก็บรวบรวมเพิ่มเติม เช่น perception ของผู้เกี่ยวข้องเกี่ยวกับความเป็นสมาชิกของหน่วยข้อมูลใน sampling frame หรืออาจเป็นข้อมูลเชิงบริบท

• ต้องการกำหนดขอบเขตการวิจัย โดยจะต้องเป็นครูที่มีส่วนร่วมใน PLC อย่างแท้จริง

  • ใช้เกณฑ์ภายนอก เช่น ฐานข้อมูล PLC ของโรงเรียนมาช่วยกำหนดขอบเขต

  • คัดกรองครูที่ไม่ได้มีส่วนร่วมจริง ๆ ออกไป โดยอาจใช้การรับรู้ของครูแต่ละคนเกี่ยวกับระดับการมีส่วนร่วม หรือจัดกลุ่มครู

แนวทางที่ 4 : Data-Driven Approach

สาเหตุของความคลาดเคลื่อนในข้อมูลเครือข่าย 1

• Omission errors – การขาดความสัมพันธ์ หรือ โหนด

• Commission errors – การรวมโหนด หรือระบุความสัมพันธ์ที่ผิดพลาด

สาเหตุของความคลาดเคลื่อนในข้อมูลเครือข่าย 2

• การเข้าใจธรรมชาตของโหนดและความสัมพันธ์ที่คลาดเคลื่อน เช่น นักเรียนที่เลือกแผนการเรียนเดียวกัน (co-attendance) ถูกตีความหมานว่าเป็นเพื่อนกัน (มีความสัมพันธ์เชิงสังคม) ซึ่งอาจไม่ถูกต้อง two-mode network —> one-mode

• ความคลาดเคลื่อนจากการวัดหรือจากการบันทึกข้อมูล

• การจัดกระทำข้อมูล

• การยุบรวมข้อมูล เช่น การรวมข้อมูลข้ามช่วงเวลา หรือการรวมข้อมูลข้ามกลุ่ม

Ethical Issues

นักวิจัยจำเป็นต้อง trace-off ระหว่าง ความจำเป็นทางการวิจัย กับ ความเสี่ยงที่อาจเกิดขึ้น ต่อผู้ให้ข้อมูลและผู้ถูกรายงานข้อมูล

• ประเด็นเกี่ยวกับผู้ประสงค์ไม่ให้ข้อมูล

• การรายงานข้อมูลของผู้อื่น บางกรณีผู้ที่ถูกรายงานอาจจะไม่ต้องการถูกพูดถึง

• ความเป็นเจ้าของความสัมพันธ์ – ความสัมพันธ์ทางสังคมหลายประเภท เป็นความสัมพันธ์ที่เกิดขึ้นจากทั้งสองฝ่าย

• การรายงานข้อมูลโดยเฉพาะในลักษณะทัศนภาพข้อมูล ควรปกปิดชื่อโหนดหรือข้อมูลที่จะทำให้สามารถระบุตัวตนของโหนดได้

• ผู้ให้ข้อมูลไม่คุ้นเคยกับงานวิจัยประเภทเครือข่าย ไม่สามารถคาดถึงผลกระทบที่แท้จริงของการให้ข้อมูลเครือข่าย เช่น การถูกระบุว่าเป็น isolate หรือ centrality ในเครือข่ายความขัดแย้ง

แนวทางป้องกันความเสี่ยงเชิงจริยธรรมในการวิจัยเครือข่าย

• ใช้แบบฟอร์มการยินยอมการเปิดเผยหรือให้ข้อมูลที่ชัดเจน (มากกว่าการวิจัยปกติ)

  • อธิบายลักษณะของงานวิจัย โดยเฉพาะ การเปิดเผยข้อมูลเครือข่าย และผลกระทบที่อาจเกิดขึ้น

  • อธิบายลักษณะการนำข้อมูลไปใช้ ผลการวิจัยจะต้องมีการรายงานหรือเผยแพร่อย่างไร ให้กลุ่มบุคคลใดบ้าง

  • อธิบายตัวอย่างผลการวิเคราะห์ หรือผลลัพธ์ที่จะได้รับ เช่น การระบุศูนย์กลางของเครือข่าย การระบุ isolate

• ปกปิดตัวตน หลีกเลี่ยงการรายงานข้อมูลดิบ และข้อมูลที่จะนำไปสู่การระบุตัวตนในเครือข่ายได้

• หลีกเลี่ยงการกดดันผู้ให้ข้อมูล

• ควบคุมการเข้าถึงข้อมูล โดยเฉพาะข้อมูลดิบ

• หลีกเลี่ยงการรายงานผลที่จะก่อให้เกิดผลกระทบเชิงลบต่อผู้เกี่ยวข้องในทุกระดับ

แนวทางป้องกันความเสี่ยงเชิงจริยธรรมในการวิจัยเครือข่าย

• ออกแบบคำถามให้เหมาะสม

• สร้างกลไกปกป้องผู้ให้ข้อมูล เช่น สิทธิ์ในการถอนตัวออกจากการวิจัย หรือช่องทางร้องเรียน แจ้งข้อกังวลหากผู้ให้ข้อมูลรู้สึกว่าข้อมูลถูกใช้อย่างไม่เหมาะสม

• พิจารณาและตรวจสอบผลกระทบที่เกิดจากการเปิดเผยข้อมูล

• นำเสนอให้คณะกรรมการ IRB พิจารณา